骨干人才
吴 枫
吴枫，1992年毕业于西安电子科技大学，获工学学士学位；1996年和1999年毕业于哈尔滨工学大学，分别获得工学硕士和博士学位。博士毕业后加入了微软亚洲研究院（先前的微软中国研究院），历任副研究员、研究员、主任研究员和首席研究员，2014年加入中国科学技术大学，国家基金委杰出青年项目获得者。现任信息科学与技术学院执行院长，中国科学技术大学示范性微电子学院院长，并获得2015年国家自然二等奖(排名第一)和2006年国家技术发明二等奖（排名第三）。主要研究方向包括：视频编码与通信、多媒体内容分析、多媒体网络和计算机视觉等，已发表学术论文200余篇，其中包括IEEE TCSVT、IEEE TIP等IEEE会刊论文50余篇，MOBICOM、CVPR等中国计算机学会认定的A类国际会议论文10余篇，并荣获IEEE TCSVT 2009年最佳期刊论文奖, PCM 2008和VCIP 2007国际会议最佳论文奖。因在视觉数据编码和通讯方面的创新性研究工作，2012年当选为IEEE Fellow，担任IEEE TCSVT和IEEE TMM编委，国际会议IEEE MMSP 2011、IEEE VCIP 2010和PCM 2009程序委员会主席。对国内外视频编码标准的发展做出了重要的贡献，先后有15项技术提案被MPEG-4、H.264和H.265等视频编码国际标准所采纳。曾任中国AVS视频编码组组长（2002-2004），完成了中国AVS视频编码标准1.0的技术制定，并于2006年被批准为中国国家标准。2015年起主持国家基金委杰出青年项目“数据、图像和视频高效编码”；2016年起主持中国科学院重点部署项目“在轨自主组网技术与通信服务框架研究”。
主要研究方向及内容
1、视觉神经计算模型
神经科学的研究已经初步揭示了视觉初级皮层结构和特性，但是仅仅这些还是不足以搭建一个视觉初级皮层的人工神经网络，通过切片和3D重建获得视觉初级皮层的神经细胞层间和层内连接图谱。通过数据分析和挖掘技术，找到神经细胞层间和层内共性连接，这样能有效地排除个性连接，找到视觉初级皮层的层间和层内的连接规律。根据发现的连接规律，构建人工神经网络计算模型，由于这样的神经网络模型包括了大量的同层神经元相互作用和层间神经元反馈，现有的学习算法可能面临无法收敛的问题，需要研究这种网络的训练算法。在该神经网络网络模型上研究视觉皮层的各种深层特性和动态特性，并把该神经网络模型应用于图像去噪、超分辨率、去模糊和深度估计等，并与现有深度神经网络进行比较分析。
2、视觉初级皮层神经芯片
在芯片上实现与初级皮层结构高度相似的人工神经网络，对图像进行去噪、超分辨率、去模糊和深度估计等智能信息处理。研究神经形态的芯片体系架构，研究神经元与突触功能的高性能低功耗硬件实现方案，研究千突触/神经元的超大规模可重构互联技术，研究与脑行为相匹配的事件驱动触发和高度并行化的信号处理机制。模仿生物视觉初级皮层结构，根据层间和层内的连接规律的最新研究成果，设计神经形态芯片。模仿视觉初级皮层的学习机制，在硬件层面整合自主学习能力，实现对环境的自适应。研究神经形态芯片的指令架构体系与软硬件接口，建立与神经形态芯片所配套的编程语言和开发工具。
代表性论文
H. Liu, X. Sun, L. Fang, F. Wu, Deblurring saturated night image with function-form kernel, IEEE TIP, 24:11, 4637-4650, 2015.
H. Yue, X. Sun, J. Yang, F. Wu, Image denoising by exploring external and internal correlations, IEEE TIP, 24:6, 1967-1982, 2015.
X．Song, X. Peng, J. Xu, G. Shi, F. Wu, Cloud-based distributed image coding, 25:12, 1926-1940, 2015.
P. Cong, Z. Xiong, Y. Zhang, S. Zhao, F. Wu, Accurate dynamic 3D sensing with Fourier-assisted phase shifting, IEEE Selected Topics in Signal Processing, 9:3, 396-408, 2015.
L．Fang, H. Liu, F. Wu, X. Sun, H. Li, Separable kernel for image deblurring, CVPR, 2014.
H. Yue, X. Sun, J. Yang, F. Wu, CID: Combined image denoising in spatial and frequency domains using web images, CVPR, 2933-2940, 2014.
Feng Wu, Xiulian Peng, Ji-zheng Xu, “LineCast: Line-based distributed coding and transmission for broadcasting satellite images,” IEEE Transaction on Image Processing, vol. 23, no. 3, pp. 1015-1027, 2014.
Zhongbo Shi, Xiaoyan Sun, Feng Wu, “Photo Album Compression for Cloud Storage Using Local Features,” IEEE Journal of Emerging and Selected Topic in Circuits and Systems, vol. 4, no. 1, pp. 17-28, 2014.
Huanjing Yue, Xiaoyan Sun, Jingyu Yang, Feng Wu, "Cloud-based image coding for mobile devices - toward thousands to one compression," IEEE Transaction on Multimedia, vol. 15, no. 4, pp. 845-857, 2013.
Hao Cui, Chong Luo, Jun Wu, Chang Wen Chen, Feng Wu, "Compressive coded modulation for seamless rate adaptation," IEEE Transaction on Wireless Communication, vol. 12, no. 10, pp. 4892-4904, 2013.
H. Yue, X. Sun, J. Yang, F. Wu, Landmark image super-resolution by retrieving web images, IEEE TIP, 22:12, 4865-4878, 2013.
Z. Xiong, D. Xu, X. Sun, F. Wu, Example-based super-resolution with soft information and decision, IEEE TMM, 15:6, 1458-1465, 2013.
Z. Yang, Z. Xiong, Y. Zhang, J. Wang, F. Wu, Depth acquisition from density modulated binary patterns, 25-32, 2013.
Zhongbo Shi, Xiaoyan Sun, Feng Wu, "Spatially scalable video coding for HEVC," IEEE Transaction on Circuits and Systems for Video Technology, Special Issue on Emergying Research and Standards in Next Generation Video Coding, vol. 22, no. 12, pp. 1813-1826, 2012.
Z. Xiong, X. Sun, F. Wu, Robust web image/video super-resolution, IEEE TIP, 19:8, 2017-2028, 2010.